【scikit-learn】sklearn.datasets.load_iris() 函数： 鸢尾花（Iris）多分类数据集

sklearn.datasets.load_iris()

load_iris() 是 sklearn.datasets 提供的 鸢尾花（Iris）数据集，是一个 多分类数据集，常用于 分类任务的测试与实验。

---

1. load_iris() 数据集简介

属性	说明
样本数	150
特征数	4（萼片长度、萼片宽度、花瓣长度、花瓣宽度）
类别数	3（Setosa, Versicolor, Virginica）
任务类型	多分类问题

---

2. load_iris() 代码示例

(1) 加载数据集

from sklearn.datasets import load_iris

# 加载数据
iris = load_iris()

# 获取特征矩阵和目标变量
X, y = iris.data, iris.target

print("特征矩阵形状:", X.shape)
print("目标变量形状:", y.shape)
print("类别名称:", iris.target_names)
print("特征名称:", iris.feature_names)

输出

特征矩阵形状: (150, 4)
目标变量形状: (150,)
类别名称: ['setosa' 'versicolor' 'virginica']
特征名称: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

解释

• X.shape = (150, 4)：150 个样本，每个样本 4 个特征。
• y.shape = (150,)：150 个类别标签。
• target_names：三种鸢尾花类别名称。
• feature_names：四个特征的名称。

---

(2) 数据集格式

print(type(iris))

输出

<class 'sklearn.utils._bunch.Bunch'>

解释

• load_iris() 返回的是 Bunch 对象，类似于字典，可通过 .data、.target、.feature_names、.target_names 访问数据。

---

(3) 转换为 Pandas DataFrame

import pandas as pd

# 转换为 DataFrame
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df["target"] = iris.target  # 添加目标变量
df["species"] = df["target"].map({0: "setosa", 1: "versicolor", 2: "virginica"})  # 映射类别名称

print(df.head())

输出

   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  target    species
0               5.1              3.5               1.4              0.2       0     setosa
1               4.9              3.0               1.4              0.2       0     setosa
2               4.7              3.2               1.3              0.2       0     setosa
3               4.6              3.1               1.5              0.2       0     setosa
4               5.0              3.6               1.4              0.2       0     setosa

解释

• 使用 Pandas 创建表格格式，方便数据分析。
• 将 target 转换为 species（类别名称）。

---

3. load_iris() 数据分析

(1) 类别分布

import seaborn as sns
import matplotlib.pyplot as plt

# 绘制类别分布
sns.countplot(x=df["species"])
plt.title("Iris 数据集类别分布")
plt.show()

解释

• 查看每种鸢尾花的数量，验证是否均衡。

---

(2) 特征可视化

sns.pairplot(df, hue="species")
plt.show()

解释

• 绘制特征之间的关系图，观察类别分布。

---

4. 适用场景

• 分类任务（多分类问题）。
• 机器学习算法测试（如 KNN, SVM, 决策树）。
• 特征工程和数据可视化。

---

5. load_iris() vs. 其他数据集

数据集	任务类型	样本数	特征数	适用场景
load_iris()	多分类	150	4	经典分类问题
load_wine()	多分类	178	13	葡萄酒分类
load_digits()	多分类	1797	64	手写数字识别
load_diabetes()	回归	442	10	糖尿病预测

---

6. 结论

• load_iris() 提供了 150 个鸢尾花样本，用于多分类任务，适用于 机器学习算法测试。
• 可以 转换为 Pandas DataFrame 进行数据分析，也可以 使用可视化方法探索特征和类别分布。